面向弱监督目标检测的全面注意力自蒸馏
计算机视觉与模式识别
2020-10-26 v1 机器学习
摘要
弱监督目标检测（WSOD）已成为一种仅使用图像级类别标签训练目标检测器的有效工具。然而，在没有目标级标签的情况下，WSOD 检测器易于在显著对象、聚集对象及判别性对象部件上检测出边界框。此外，图像级类别标签并未强制同一图像不同变换间的一致目标检测。为解决上述问题，我们提出一种用于 WSOD 的全面注意力自蒸馏（CASD）训练方法。为平衡所有目标实例间的特征学习，CASD 计算由同一图像的多重变换与特征层聚合而成的全面注意力。为对目标施加一致的空间监督，CASD 在 WSOD 网络上执行自蒸馏，使得全面注意力由同一图像的多重变换与特征层同时逼近。CASD 在 PASCAL VOC 2007/2012 与 MS-COCO 等标准基准上取得了新的最优 WSOD 结果。
引用
@article{arxiv.2010.12023,
title = {Comprehensive Attention Self-Distillation for Weakly-Supervised Object Detection},
author = {Zeyi Huang and Yang Zou and Vijayakumar Bhagavatula and Dong Huang},
journal= {arXiv preprint arXiv:2010.12023},
year = {2020}
}
备注
Neural Information Processing Systems (NeurIPS 2020)